Google: Gemini 3.1 Flash-Lite

低延迟的 Gemini 模型，面向高吞吐的多模态与智能体负载

gemini-3.1-flash-lite

可用Google聊天缓存输入便宜 90%

输入 / 输出-50%: $0.25 / $1.50$0.125 / $0.75
上下文: 1M
发布日期: 2026年5月7日
最大输出: 64K
模态: 视觉聊天
能力: 工具调用提示词缓存

Gemini 3.1 Flash-Lite 简介

Gemini 3.1 Flash-Lite 是 Google Gemini 3.1 系列中低延迟、低成本的模型，面向高并发的多模态和智能体负载。Google 称它以很低的成本达到可与更大模型相比的前沿级性能。它能读文本和图片，调用工具，返回受 schema 约束的 JSON，支持上下文缓存，能力排在 Flash 档之下。

擅长的任务

响应时间短，适合每次调用都要快速返回的交互功能。
图片和文本放进同一个请求，适合处理收据、表单和截图。
受 schema 约束的 JSON 输出，省去了解析自由文本的脆弱环节。
工具调用和上下文缓存，支持大规模重复、相似的智能体步骤。

什么情况换别的模型

做长时间、多步骤的编码智能体，Flash 和 Pro 模型比 Lite 模型更可靠。
它不是以推理为先的模型；高难度数学或深度规划，更适合交给 Gemini 3.1 Pro。

快速上手

创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。

发送第一个请求

复制你所用语言的示例代码，向该端点发起请求。

文本生成Gemini API

POST/v1beta/models/gemini-3.1-flash-lite:generateContent

API 格式:

curl "https://api.tokenlab.sh/v1beta/models/gemini-3.1-flash-lite:generateContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: sk-xxx" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "Hello!"}]}
    ]
  }'

价格

Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。

默认规格

每 1M token

Official 价格: 输入 $0.25 / 输出 $1.50 / 缓存读取 $0.025
Verified 价格: 输入 $0.125 / 输出 $0.75 / 缓存读取 $0.0125
折扣: -50%

提示词缓存价格

缓存读取

Official 价格: $0.025
Verified 价格: $0.0125
折扣: -50%

工具附加费

按次计费，仅在模型实际使用工具时收取。

网页搜索

Official 价格: $0.014/次搜索
Verified 价格: $0.007/次搜索
折扣: -50%

	Official 价格每 1M token	Verified 价格每 1M token	折扣
默认规格	输入 $0.25 / 输出 $1.50 / 缓存读取 $0.025	输入 $0.125 / 输出 $0.75 / 缓存读取 $0.0125	-50%
提示词缓存价格
缓存读取	$0.025	$0.0125	-50%
工具附加费按次计费，仅在模型实际使用工具时收取。
网页搜索	$0.014/次搜索	$0.007/次搜索	-50%

用量与动态

成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。

用量与可用性

直接在 Console 里试

Gemini 3.1 Flash-Lite 已在 Console 备好，提示词已填好，可以直接修改或发送。

帮我用 gemini-3.1-flash-lite 发一条简短消息，接口是 /v1beta/models/gemini-3.1-flash-lite:generateContent。返回回复，附上延迟和费用。

使用场景

适用场景

视觉

批量提取
从成千上万张发票或表单中取出字段，每个结果写成经过校验的 JSON 对象。
内容审核和打标签
按固定政策给用户上传的内容和评论打标签，并附一句理由。
路由层
判断请求该交给哪个专用模型或工具，然后转发出去。
实时助手
驱动自动补全、快速回复或语音助手的对话轮次，这些场景里看得见的等待会损害用户体验。

提示词示例

从这张发票图片中提取供应商、日期、总额和币种，并以 JSON 返回。

把下面的评论标记为 spam、abuse、question 或 praise，并用一句话解释理由。

给定这条用户消息，从 search_docs、create_ticket、answer_directly 中选一个，只回复工具名。

此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。

FAQ

Gemini 3.1 Flash-Lite 最适合做什么？

高并发、对延迟敏感的任务，比如提取、分类、打标签、路由和快速的多模态回答。它用一部分推理深度换来速度，每次调用的负载也更轻。

它接受图片吗？

接受。文本和图片可以混合放在一个请求里，所以它能读文档、截图和照片。回答以文本形式返回，或返回符合你 schema 的 JSON。

它能调用工具吗？

能。支持函数调用，所以它可以充当第一级智能体，为简单请求选择工具，或把难题转交给更大的模型。

它和 Gemini 3.5 Flash-Lite 有什么不同？

3.5 Flash-Lite 是更新的一代，也是 Google 现在为新项目推荐的；3.1 Flash-Lite 是较早的 Lite 模型，仍属稳定版。切换流量前，先用自己的提示词测试两者。

Gemini 3.1 Flash-Lite 的费用是多少？

在 TokenLab 上，Gemini 3.1 Flash-Lite 的价格为输入 $0.125 / 输出 $0.75 每 1M token。完整明细见上方价格表。价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。

Gemini 3.1 Flash-Lite 的上下文窗口和输出上限是多少？

Gemini 3.1 Flash-Lite 最多接收 1,048,576 token 的上下文，单次最多返回 65,536 token。

Gemini 3.1 Flash-Lite 应该使用哪个端点？

Gemini 3.1 Flash-Lite 使用 https://api.tokenlab.sh/v1beta/models/gemini-3.1-flash-lite:generateContent。代码写法见下方的请求示例。

Gemini 3.1 Flash-Lite 支持哪些操作？

Gemini 3.1 Flash-Lite 支持文本生成。选了操作，上面会显示对应的端点和请求示例。

Gemini 3.1 Flash-Lite 对比

Gemini 3.1 Flash-Lite 对比 Gemini 3.5 Flash-Lite Gemini 3.1 Flash-Lite 对比 Gemini 3.8 Flash Gemini 3.1 Flash-Lite 对比 Gemini 2.5 Flash-Lite Gemini 3.1 Flash-Lite 对比 GPT-5.4 mini

用到 Gemini 3.1 Flash-Lite 的指南

用于快速 Agent 循环的 Gemini 3.5 Flash API

资料来源

Gemini models overview

审阅于 2026年10月2日